“刘柏嵩”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果22个，建议您升级VIP下载更多相关专利

[发明专利]一种面向数据融合的数字化基础设施健康评估方法-CN202310069976.3在审
发明人： 刘柏嵩;董倩;潘泽江;夏刚;苏剑 -专利权人：宁波大学
申请日： 2023-02-07 - 公布日： 2023-07-04 - 主分类号： G06Q10/0639 文献下载
摘要：本发明公开了一种面向数据融合的数字化基础设施健康评估方法，包括以下步骤：S1、获取数字化设备的内部和外部状态特征，通过数据预处理将内部和外部状态特征进行数据对齐并映射到统一的状态空间中；S2、对状态特征之间的关联度进行分析；S3、构造基于GRU的自动编码解码器；S4、构建基于专家经验的动态权重模型；S5、将步骤S3和S4所输出的特征进行拼接融合，得到新的状态特征用于SVM分类器，训练SVM分类器模型；S6、基于已经训练好的SVM分类器模型，对设备的当前状态进行实时健康评估预测。本发明将时序模型所建模的特征与专家知识经验进行融合，从而增加了健康状态评估的准确性、提高了评估方法对数字化基础设施的工程应用性。
一种面向数据融合数字化基础设施健康评估方法

[发明专利]一种基于运维知识图谱的实时根因分析方法-CN202310069681.6在审
发明人： 刘柏嵩;胡测;金建国;黄瑞强 -专利权人：宁波大学
申请日： 2023-02-07 - 公布日： 2023-06-06 - 主分类号： G06F11/07 文献下载
摘要：本发明公开了一种基于运维知识图谱的实时根因分析方法，通过构建运维知识图谱本体，利用自然语言处理、机器学习技术完成对概念的实体、关系等内容的提取，搭建知识图谱基本框架；构建设备知识图谱，利用数字设备的拓扑结构、系统应用间调用关系，基于知识和数据建立一个可更新、可维护的设备知识图谱；构建故障知识图谱，为后续故障根因分析提供前备支持；实时故障收敛及根因分析，根据告警信息对应类别与所指序列模式，获得因果关系，得出根因路径；本发明为数字化基础运维设施的实时故障根因定位分析提供一种思路，且具有可扩展性强，根因定位结果可用性高等特点。
一种基于知识图谱实时分析方法

[发明专利]一种基于对抗学习的隐私保护方法-CN202211621335.6在审
发明人： 刘柏嵩;张雪垣 -专利权人：宁波大学
申请日： 2022-12-16 - 公布日： 2023-05-16 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种基于对抗学习的隐私保护方法，包括以下步骤：S1、构建由对抗器、推荐模型和威胁模型组成的对抗训练框架；S2、由对抗器提取用户特征对其进行随机扰动的添加以生成第一对抗特征；S3、通过威胁模型与对抗器的局部对抗训练找到准确隐私特征；S4、由对抗器对准确隐私特征进行扰动的强度调整，生成第二对抗特征；S5、通过推荐模型与对抗器的局部对抗训练生成第三对抗特征；S6、将第三对抗特征结合相似用户的通用特征生成增强特征；S7、通过对抗训练框架的全局对抗训练，最终在隐私特征不暴露的前提下实现精准推荐。本发明可以在确保推荐系统的预期结果输出的同时，还能抵抗针对用户隐私的对抗攻击，完成隐私保护。
一种基于对抗学习隐私保护方法

[发明专利]一种基于个性化联邦技术的序列推荐方法-CN202310023696.9在审
发明人： 刘柏嵩;董倩;王冰源;邵晓雯;徐尔聪 -专利权人：宁波大学
申请日： 2023-01-09 - 公布日： 2023-05-09 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于个性化联邦技术的序列推荐方法，包括以下步骤：S1、各个客户端在本地设备上对自身交互数据以及交互项的属性值进行预处理；S2、客户端在本地设备上通过自身交互数据构建哈希索引；S3、客户端在本地设备上基于贝叶斯训练策略对训练数据进行增强操作；S4、结合哈希索引与增强数据，客户端在本地设备上构建基于多任务的本地序列推荐框架，并与中心服务器协同地对本地序列模型进行训练，直到本地序列模型收敛；S5、客户端获取用户嵌入网络的参数，结合已收敛的本地序列模型输出，获取下一时刻的偏好预测结果，完成推荐。本发明能在隐私保护的前提下有效建模用户的动态偏好，具有可扩展性、可移植性和隐私保护性的优点。
一种基于个性化联邦技术序列推荐方法

[发明专利]一种基于联邦对比学习的双塔社交推荐方法-CN202310023586.2在审
发明人： 刘柏嵩;罗林泽;胡测;吴诗琪;李钧儒 -专利权人：宁波大学
申请日： 2023-01-09 - 公布日： 2023-05-02 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于联邦对比学习的双塔社交推荐方法，包括：步骤1、中央服务器随机选取固定数量的用户客户端，并将所需参数发送至对应客户端；步骤2、用户客户端通过双塔学习模块和用户注意力对比模块，完成本地训练；步骤3、通过梯度保护模块，对需要更新的梯度进行保护，并上传至中央服务器；步骤4、中央服务器接收到用户客户端上传的梯度，聚合后通过扰动对比学习模块，得到最终需要更新的梯度；步骤5、重复步骤1至4，得到最后收敛的模型；步骤6、根据用户即候选物品集作为模型的输入，得到用户推荐物品集合。本发明能够做到保护用户隐私安全的同时，还能降低用户间的社交噪声和数据扰动引入的噪声对推荐模型性能的影响。
一种基于联邦对比学习社交推荐方法

[发明专利]一种异质动态网络的链接预测方法-CN202211621353.4在审
发明人： 刘柏嵩;王冰源;张云冲;江学勇;董倩 -专利权人：宁波大学
申请日： 2022-12-16 - 公布日： 2023-05-02 - 主分类号： H04L41/147 文献下载
摘要：本发明公开了一种异质动态网络的链接预测方法，包括以下步骤：S1、时序子图生成，确定异质数据集中用以构建时序子图的节点类型和边类型，选定时间戳，确定每个时刻时序子图的结构；S2、网络嵌入学习，融合节点的历史交互信息和时序子图的结构信息，得到每个时序子图的向量表示；S3、链接预测，采用LSTM网络处理图数据，将时序子图的向量表示作为LSTM的输入，捕捉时序信息，根据输出隐藏状态向量计算节点对的相似度，从而衡量节点对发生交互的概率；步骤S4、模型优化，设计图对比损失函数优化链接预测模型，使模型更具鲁棒性。本发明可解决当前链接预测任务中数据异质性和动态性问题，可在一定程度上缓解数据稀疏和冷启动问题。
一种动态网络链接预测方法

[发明专利]一种基于用户分类的中毒样本构建方法-CN202211621347.9在审
发明人： 刘柏嵩;王志业;张雪垣;林晨楠;胡测 -专利权人：宁波大学
申请日： 2022-12-16 - 公布日： 2023-04-07 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于用户分类的中毒样本构建方法，包括以下步骤：定义系统中的脆弱用户和鲁棒用户；定义损失函数即每个用户的动态权重，构建代理模型，模拟系统脆弱用户尽可能中毒的状态来得到假用户候选交互物品候选集合，并通过初始化假用户来降低推荐偏差以提高候选交互物品的可信性；定义每个物品的选择概率，得到所有物品的最终评分，按评分从高到低选取假用户的交互物品。本发明增强了基于深度学习推荐系统的数据中毒攻击的攻击性，同时降低了攻击成本，并为推荐系统对于数据中毒攻击的防御提供了思路。
一种基于用户分类中毒样本构建方法

[发明专利]一种基于联邦学习的社交协同过滤推荐方法-CN202210412917.7有效
发明人： 刘柏嵩;罗林泽;张雪垣;钦蒋承;张云冲 -专利权人：宁波大学
申请日： 2022-04-20 - 公布日： 2023-04-07 - 主分类号： G06F16/9536 文献下载
摘要：本发明公开了一种基于联邦学习的社交协同过滤推荐方法，包括以下步骤：步骤1、由中央服务器选择参与本地训练的用户客户端；步骤2、在用户客户端上进行E轮本地训练，每轮本地训练过程中，分别通过矩阵分解模块、用户对比模块和物品对比模块来计算模型损失函数；步骤3、完成E轮本地训练后，通过梯度保护模块，得到最终需要上传的梯度，并将其上传至中央服务器进行梯度聚合；步骤4、重复步骤1至步骤3，得到充分训练后的用户嵌入向量和物品嵌入向量；步骤5、将用户嵌入向量和物品嵌入向量作为评分预测模块的输入，得到对用户推荐的物品序列。本发明能够有效缓解联邦社交推荐中的数据非独立同分布问题对模型推荐性能的影响。
一种基于联邦学习社交协同过滤推荐方法

[发明专利]基于联邦学习的多任务知识图谱补全方法-CN202211271214.3在审
发明人： 刘柏嵩;胡测;林宏权;周艳桃;胡克佳;刘鹏 -专利权人：宁波大学;宁波市生产力促进中心（宁波市科技金融服务中心）;宁波市升力同创科技咨询服务有限公司
申请日： 2022-10-18 - 公布日： 2023-02-03 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于联邦学习的多任务知识图谱补全方法，通过构造两个中央服务器，分别用来得到来自各个客户端经过安全聚合后的实体和关系嵌入表示，并将聚合后的组成部分嵌入表示聚合后发送回给每个客户端，这样的一次中央服务器参数聚合后反传为知识图谱补全方法的一轮操作；知识图谱由客户端本地训练后，将参数上传给中央服务器进行聚合操作再发回各个客户端迭代训练；联邦框架下的知识图谱嵌入表示训练直到参数收敛后，与本地知识图谱训练进行模型融合操作，最终输出融合后的知识图谱模型。本发明在隐私保护的前提下，高效安全地联合利用多个客户端提供的知识图谱信息，使各个客户端的知识图谱得到补全，能提高其下游任务的性能。
基于联邦学习任务知识图谱方法

[发明专利]一种联邦环境下保护隐私的高效人职匹配方法及系统-CN202211397617.2在审
发明人： 刘柏嵩;张云冲;王冰源;江学勇;董倩 -专利权人：宁波大学
申请日： 2022-11-09 - 公布日： 2023-01-20 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种联邦环境下保护隐私的高效人职匹配方法及系统，人职匹配方法包括：服务器将全局模型下发至每一个参与训练的用户端，用户端通过引入对比学习的损失函数进行模型训练，通过反向传播得到模型的梯度；每个用户再将各自模型的梯度进行分层裁剪，得到裁剪后的梯度；每个用户在经过裁剪的模型梯度上添加符合差分隐私定义的Laplace噪声，并将添加噪声后的梯度上传至服务器；最后服务器端以FedAvg的方式聚合所有用户的梯度，并使用聚合后的梯度更新全局模型；完成模型的训练并给出推荐。本发明可用于解决目前的人职匹配算法无法切实保障用户的隐私数据以及在联邦环境下聚合的模型性能不佳的问题。
一种联邦环境保护隐私高效匹配方法系统

[发明专利]基于数据混淆技术的用户敏感信息保护方法-CN202211125503.2在审
发明人： 刘柏嵩;林晨楠;张雪垣;钦蒋承;王志业 -专利权人：宁波大学
申请日： 2022-09-16 - 公布日： 2023-01-06 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于数据混淆技术的用户敏感信息保护方法，包括以下步骤：步骤S1、基于推荐项目与用户性别特征的关联，生成敏感属性关联表；步骤S2、根据步骤S1得到的敏感属性关联表，通过采样策略向现有的用户‑项目矩阵中添加混淆评级，构建添加混淆评级后的用户‑项目矩阵；步骤S3、记录步骤S2添加的混淆评级数量，应用移除策略，最终生成应用移除策略后的混淆矩阵；所述移除策略为：删除与添加数量相同的混淆评级以维持原有的数据规模；随机选定用户，当该用户评级数量达到设定阈值时，从该用户的评级历史中删除异性强关联的项目。本发明在误导攻击者进行性别属性推断、实现用户隐私保护的同时，不影响用户现有的个性化推荐质量。
基于数据混淆技术用户敏感信息保护方法

[发明专利]基于云端协同学习的隐私保护推荐方法及系统-CN202211161306.6有效
发明人： 刘柏嵩;江学勇;钦蒋承;张雪垣;罗林泽 -专利权人：宁波大学
申请日： 2022-09-23 - 公布日： 2022-12-23 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于云端协同学习的隐私保护推荐方法及系统，推荐方法包括：将用户数据分为公开数据和隐私数据，中央服务器收集各用户终端设备中的公开数据并构建公开数据集，基于公开数据集训练公共模型；各用户在其终端设备中基于隐私数据训练本地私有模型，并将模型梯度发送至中央服务器，中央服务器聚合接收到的梯度，使用聚合后的梯度更新全局私有模型，并将更新结果发送至用户终端设备；迭代训练直至私有模型收敛；各用户在本地融合公开模型和私有模型以获得最终推荐模型，并基于最终推荐模型预测用户对候选集项目评分，根据评分完成推荐。本发明解决了现有的隐私保护推荐技术中推荐精度不高和用户终端设备计算负荷过大的问题。
基于云端协同学习隐私保护推荐方法系统

[发明专利]融合用户隐式物品偏好与显式特征偏好的可解释推荐方法-CN202110747613.1有效
发明人： 刘柏嵩;江学勇;钦蒋承;董倩;张云冲 -专利权人：宁波大学
申请日： 2021-07-01 - 公布日： 2022-09-09 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种融合用户隐式物品偏好与显式特征偏好的可解释推荐方法，该方法通过提取评论中的特征词挖掘捕捉了时序信息的用户的特征偏好和物品的特征信息，通过用户的历史行为挖掘用户和物品的隐式表达，可以极大地提高评分预测的准确性和可解释性，本发明使用多层感知机从用户的偏好记录中获得用户和物品的隐式表达；然后，通过提取用户评论中的特征词，利用GRU捕获评论中的时序信息，并通过引入注意力机制和特征吸引力机制得到用户和物品的显式表达；最后，结合隐式表达和显示表达得到用户和物品的最终表达。本发明的优点是推荐结果合理性高、在保证推荐精度的同时还可以提供推荐解释。
融合用户物品偏好特征可解释推荐方法

[发明专利]一种异质信息网络增强的学术论文推荐方法-CN202210418401.3有效
发明人： 刘柏嵩;吴俊超;沈小烽;张雪垣;王冰源 -专利权人：宁波大学
申请日： 2022-04-21 - 公布日： 2022-07-19 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种异质信息网络增强的学术论文推荐方法，包括以下步骤：步骤1、构建异质信息网络，所述异质信息网络包含用户、论文、标签这3类节点，以及用户与论文之间的交互关系、论文与论文之间的引用关系、论文与标签之间的从属关系这3种关系；步骤2、利用矩阵分解算法学习用户和论文的交互特征；步骤3、将交互特征输入异质图注意力网络，学习论文在异质信息网络中的高阶特征；步骤4、利用外积计算融合步骤2和3学习得到的特征；步骤5、将步骤4融合后的特征输入深度推荐模型预测评分。本发明利用异质信息网络解决交互数据稀疏的问题，可提升推荐的准确率。
一种信息网络增强学术论文推荐方法

[发明专利]基于影视主题的对话式音乐推荐方法-CN202110521784.2有效
发明人： 刘柏嵩;董倩;钦蒋承;沈小烽;江学勇 -专利权人：宁波大学
申请日： 2021-05-13 - 公布日： 2022-07-01 - 主分类号： G06F16/68 文献下载
摘要：本发明公开了一种基于影视主题的对话式音乐推荐方法，包括获取影视与音乐间信息并进行关联，构建影视‑音乐知识图谱；在系统主动引导的闲聊对话模块中，捕获用户当前的影视偏好信息；在问答模块中，补充获取所需的用户影视偏好信息，其作为编码物品特征的权重影响因子，同时在该模块中确定当前用户影视偏好列表；在推荐模块中，融合影视偏好列表中的影视特征及其包含的音乐特征，结合当前对话信息与历史对话信息，预测用户偏好音乐；最后结合影视评论，音乐评论和上下文信息，生成可解释性的音乐推荐语句。本发明实现了对话场景下的基于影视主题的音乐推荐，具有推荐的准确度高且推荐具有可解释性，提升了用户体验感的优点。
基于影视主题对话音乐推荐方法

1
2
下一页»
尾页
共 22 条